A nyomtatási hibák sajnos elég gyakoriak, kijavításuk pénz- és időigényes. Az additív gyártás iparosodásával egyre fontosabbá válik a folyamat összes fázisának folyamatos megfigyelése, ugyanakkor a felhasználó egyre nagyobb automatizálásra is vágyik. Magasszintű automatizáció nélkül nincs tömeges gyártás.
Ezen a ponton jönnek képbe az algoritmusok, mesterséges intelligencia, különösen a gépitanulás-megoldások.
Cambridge-i kutatók az intelligens – a designtól és az anyagról függetlenül a hibákat időben észlelő és kijavító – 3D nyomtatókat előlegező algoritmust fejlesztettek. Az algoritmus FDM printerek munkahibáit korrigálja valósidőben.
Az új megoldással nemcsak a potenciális hibák száma csökkenthető drasztikus mértékben, hanem a nyomtatási folyamat automatizálásában is hatékony eszköz.
Az együttműködő autonóm extrudálás hálózatot rövidítő CAXTON nevű algoritmust mélytanulással (deep learning) gyakoroltatták. 192 nyomat készítése közben felvett 950 ezer képen tanult. Minden egyes képet a printer aktuális beállításával (sebesség, hőmérséklet, nyomtatófej stb.) címkéztek fel, ami lehetővé tette, hogy megtanulja a hibák kijavítását. Felderítésükben és korrigálásukban is jobban teljesít, mintha ember végezné ugyanezeket a feladatokat.
CAXTON automatikusan címkézi fel és javítja ki valósidőben a hibákat. A kutatók a tanuló adatsor bővítését és diverzifikálását tervezik, hogy a módszert általánossá – gép- és anyag-függetlenné – tudják tenni. A többi automatizált monitorozó szoftverrel ellentétben, ez az algoritmus nemcsak egyetlen nyomat, anyag, rendszer korlátozott hibalehetőségeit azonosítja, hanem sokkal többre képes.
Fejlesztői szerint „önvezető autórendszer 3D nyomtatáshoz.” A tanulással eléri azt a szintet, hogy korábban nem látott hibákat ismeretlen anyagok esetében is azonosít, kijavít. Mivel folyamatosan tanul, egyre jobban teljesít, és idővel még a legprofibb humán munkaerőnél is jobb teljesítményre lesz képes, ami a minőségellenőrzésnél, különösen biztonságkritikus alkalmazásokban, például a légjármű-, a járműiparban vagy az energetikában fontos.
